智能BI如何用对话进行数据分析？

之前给大家介绍过很多小伙伴都给小编留言：你们是怎么做到的？今天我就来给大家科普一下，带领大家了解一下智能BI——智问是如何工作的！

智能BI是怎样炼成的？
首先智问的核心技术，可以称之为NL2SQL技术，这里先搬运一下NL2SQL的官方解释，NL2SQL（Natural Language to SQL）是一项将用户的自然语句转为可执行 SQL 语句的技术，对改善用户与数据库之间的交互方式有很大意义。NL2SQL 的本质，是将用户的自然语言语句转化为计算机可以理解并执行的规范语义表示 (formal meaning representation)，是语义分析 (Semantic Parsing) 领域的一个子任务。

NL2SQL的历史悠久，早在1973年，Woods等人就开发了一个名为LUNAR的系统，可以回答关于从月球带回的岩石样本的问题。到了1978年，Hendrix设计了一个连接美国海军舰艇信息数据库的自然语言接口，名为LIFER/LADDER。这些系统仅仅支持特定数据库的单表操作，受限于当时的技术发展，NL2SQL并没有受到太多的关注。直到2015年AI的复苏和NLP的发展，它渐渐回到人们的视线。

传统的NL2SQL技术，目标是直接通过直连数据库，系统就能直接了解数据并可以通过自然语言生成sql查询出想要的数据，当然能做到这一步最好，但在我们看来，由于AI技术目前的局限性，其实还没有办法做到非常完美的用户体验，于是我们退而求其次，结合我们多年深耕BI领域的行业经验，以及当前流行的可以帮助计算机理解人类知识的知识图谱等技术，创造出一个全新的NL2SQL解决方案——智问。

智问架构图
拆解智问的工作流程
在这个方案中，语音识别和搜索框是耳朵和眼睛，用来收到对话的信息；NLP技术是理解力，将收到的信息转换成可以理解的信息；知识图谱是掌握的知识，搜索引擎是存储的数据；SQL引擎是思考的过程，将信息转换成SQL，最后图表引擎是手中的笔，用来将获取的知识表现出来。

让我们来看一个具体的例子，系统接受到一句自然的语句，比如“2020年全公司净利润同比增加了多少？”

第一步：明确需求
系统需要理解当前用户想要查什么东西，也就是需要通过NLP技术将自然语句转化为业务目标，这里我们的知识图谱就会起到很大的作用，知识图谱被写入我们的业务大脑，通过检索，我们可以对其中的业务术语进行定位，比如这一句话，“2019年”是时间范围，“机构”是一个维度概念，“净利润”是一个业务指标，“同比”是一个业务计算方式。然后经过NLP的理解，智问就了解了这句话目标是问净利润的同比值，时间是2020年，机构范围是全公司。

第二步：语义转换
下一步就是把理解到的内容转化为具体的数值了，目前支持所有主流的数据库系统，所以就是把理解的内容变成sql语句，并到对应的数据库中进行计算。

第三步：智能图表匹配
得到想要的数据之后就是选择用什么形式展现数据的时候了。智问内置一套图表选择引擎，根据问题的形式、数据格式等多个条件判断最适合的展现形式。
 
AI+BI的落地是个持续且复杂的工程，企业想要快速落地必须借助专业工具和平台。亿信华辰耕耘大数据领域15年，已成功帮助金融、能源、保险、医疗卫生等行业客户实现AI+BI的项目落地，不论你有何种需求，都可针对性的为您制定AI+BI的最佳方案，树立企业智能化转型的信心及突出行业重围的决心。